(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210899612.3 (22)申请日 2022.07.28 (71)申请人 中国科学院深圳先进技 术研究院 地址 518055 广东省深圳市南 山区深圳大 学城学苑大道1068号 (72)发明人 吴胤旭　叶子　陈会　周亚雯　 姜青山　 (74)专利代理 机构 深圳市铭粤知识产权代理有 限公司 4 4304 专利代理师 孙伟峰　武岑飞 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/04(2012.01) G06F 17/18(2006.01) G06F 16/35(2019.01)G06F 16/951(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 模型训练方法、 价格预测方法、 终端设备以 及存储介质 (57)摘要 本申请公开了一种基于市场价格预测模型 的模型训练方法、 价格预测方法、 终端设备以及 计算机存储介质， 该模型训练方法包括： 获取数 据集； 基于每一时间段的股市数据， 计算历史价 格技术指标； 基于每一时间段的社交媒体数据， 计算历史社交媒体 市场情感指数； 将同一时间段 的历史价格技术指标和历史社交媒体市场情感 指数进行关联合并， 并作为特征输入到待训练的 市场价格预测模 型； 利用待训练的市场价格预测 模型的预测输出对市场价格预测模 型进行训练， 得到最终的市场价格预测模型。 本申请的模型训 练方法通过社交媒体的连续更新的特性， 缩小预 测的时间粒度， 得到接近实时预测的能力， 并通 过结合市场技 术指标， 达 到更好的预测效果。 权利要求书2页 说明书9页 附图5页 CN 115423499 A 2022.12.02 CN 115423499 A 1.一种基于市场价格预测模型的模型训练方法， 其特 征在于， 所述模型训练方法包括： 获取数据集， 其中， 所述数据集包括若干时间段的股市数据以及社交媒体数据； 基于每一时间段的股市数据， 计算历史价格技 术指标； 基于每一时间段的社交媒体数据， 计算历史社交媒体市场情感指数； 将同一时间段的历史价格技术指标和历史社交媒体市场情感指数进行关联合并， 并作 为特征输入到待训练的市场价格预测模型； 利用所述待训练 的市场价格预测模型的预测输出对所述市场 价格预测模型进行训练， 得到最终的市场价格预测模型。 2.根据权利要求1所述的模型训练方法， 其特 征在于， 所述股市数据包括 开盘价、 最高价、 最低价、 收盘价和/或 成交量。 3.根据权利要求2所述的模型训练方法， 其特 征在于， 所述历史价格技术指标包括异同移动平均线、 简单移动平均线、 相对强弱指标和/或资 金流量指标； 所述基于每一时间段的股市数据， 计算历史价格技 术指标， 包括： 基于每一时间段的开盘价， 计算所述异同移动平均线； 和/或， 基于每一时间段的最高价， 计算所述简单移动平均线； 和/或， 基于每一时间段的最低价， 计算所述相对强弱指标； 和/或， 基于每一时间段的收盘价， 计算所述资金流 量指标。 4.根据权利要求1所述的模型训练方法， 其特 征在于， 所述基于每一时间段的社交媒体数据， 计算历史社交媒体市场情感指数， 包括： 获取每一时间段的社交媒体数据的评论文本， 获取每一条评论文本的情感评分； 基于所述每一条评论文本的情感评分， 将低于预设阈值的评论文本定义为负向评论文 本， 将高于预设阈值的评论文本 定义为正向评论文本； 基于每一 时间段的社交媒体数据的所有正向评论文本和负向评论文本， 计算所述社交 媒体数据的梯度情绪背离指数。 5.根据权利要求 4所述的模型训练方法， 其特 征在于， 所述计算所述社交媒体数据的梯度情绪背离指数之后， 所述模型训练方法还 包括： 获取所述社交媒体数据的每一评论文本与所述梯度情绪背离指数的差值； 利用所述社交媒体数据的所有评论文本对应的差值， 以及所有评论文本的数量， 计算 所述社交媒体数据的梯度牛市情绪指数。 6.根据权利要求5所述的模型训练方法， 其特 征在于， 所述将同一 时间段的历史价格技术指标和历史社交媒体市场情感指数进行关联合并， 包括： 将同一时间段的开盘价， 与异同移动平均线、 所述梯度情绪背离指数进行关联合并； 将同一时间段的最高价， 与简单移动平均线、 所述梯度牛市情绪指数进行关联合并。 7.根据权利要求1所述的模型训练方法， 其特 征在于， 所述获取 数据集， 包括： 利用爬虫技 术或者供应商的编程接口收集股市数据； 和/或， 利用爬虫技 术或者社交媒体编程接口收集社交媒体数据。权　利　要　求　书 1/2 页 2 CN 115423499 A 28.一种基于市场价格预测模型的价格预测方法， 其特 征在于， 所述 价格预测方法包括： 获取当前时间段的股市数据， 以及获取当前时间段的所有社交评论数据； 基于所述股市数据， 计算所述当前时间段的价格技 术指标； 基于所述所有社交评论数据， 计算所述当前时间段的社交媒体市场情感指数； 将所述当前时间段的价格技术指标和社交媒体市场情 感指数进行关联合并， 并作为特 征输入到预 先训练的市场价格预测模型； 基于所述市场价格预测模型的输出， 获取当前时间段以后的预测价格； 其中， 所述市场价格预测模型由权利要求1至7任一项所述的模型训练方法训练得到 。 9.一种终端设备， 其特征在于， 所述终端设备包括存储器以及与所述存储器耦接的处 理器； 其中， 所述存储器用于存储程序数据， 所述处理器用于执行所述程序数据以实现如权 利要求1～7任一项所述的模型训练方法和/或权利要求8所述的价格预测方法。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质用于存储程序数据， 所述 程序数据在被计算机执行时， 用以实现如权利要求1～7任一项所述的模型训练方法和/或 权利要求8所述的价格预测方法。权　利　要　求　书 2/2 页 3 CN 115423499 A 3